八叉树结构下动态点云的无损几何编码方法

为进一步提高动态点云无损压缩的性能,提出了一种八叉树结构下的几何信息熵编码方法。针对帧内空间相关性,利用当前八叉树节点的已编解码邻域信息,建立帧内邻居节点上下文和帧内邻居父节点上下文。针对帧间时间相关性,将已编解码的上一帧点云作为参考帧,并将参考帧中与当前八叉树节点同位置的八叉树节点作为参考节点。使用参考节点及其父节点进行帧间上下文建模。为充分利用已建模的上下文,并准确地估计不同上下文下当前节点为非空的条件概率,提出了一种基于指数移动平均的二级概率估计方法:分别在帧内邻居节点上下文和帧内邻居父节点上下文下进行概率估计;利用概率估计结果和帧间上下文建模新的二级上下文,并在二级上下文下再次进行概率估计;采用二进制算术编码器实现无损压缩。选取常用的微软体素化人物上半身和8i体素化人物全身数据集进行性能测试,实验结果表明:与近年的方法相比,所提方法的无损压缩性能更高,平均编码增益达到2.2%~28.7%。

x264视频编码器中参数设置对编码效率影响的研究

x264是基于H.264/MPEG-4 AVC视频压缩标准的视频压缩编码器,它提供了很多可以设置的参数来控制其编码效率。不同的参数设置影响着编码时间,压缩后的视频大小和视频质量。文章分别比较和分析了一些编码参数,包括图像组、帧内预测的宏块分割、帧间预测的宏块分割、参考帧数目和像素精度对视频的平均每帧编码时间、平均每帧大小和平均峰值信噪比带来的影响。

面向点云无损压缩的快速细节层次优化方法

为解决点云压缩中基于距离的细节层次(LoD)划分未优化的问题,提出了基于预测残差的LoD优化模型以及相应的快速LoD划分方法。推导了LoD预测残差与码率的关系,建立了LoD预测残差和距离的数学模型;以预测残差的最小化为目标,通过对点云进行预编码或在线计算获取模型参数,根据所提模型获得编码性能最优的LoD层数;为了降低实现复杂度,分析模型各参数对编码性能的影响,得出细节层中的点数随着LoD层数的增加而呈现指数级减少,导致这部分点对编码性能的影响急剧降低这一结论;根据均匀采样及平滑点云的特性,对模型参数进行简化,通过求解细节层中的点数占点云中全部点数的比例得到编码性能最优的LoD层数;在此基础上,提出了一种基于阈值的LoD划分快速方法,提高了模型的实用性。实验结果表明:所提方法在不增加码率的情况下,有效降低了编解码复杂度,平均节省了约4%的编码时间和约6%的解码时间。

改进型统计幅度成形在OFDM中的设计

统计幅度成形(PAS)可使加性高斯白噪声(AWGN)信道以低于香农信道容量的任意速率进行传输。文章讨论了改进型的统计幅度成形,将统计幅度成形与正交频分复用(OFDM)相结合用于频率选择性衰落信道中。相比直接在每个OFDM子信道中使用统计幅度成形,改进型统计幅度成形只使用一个概率分布匹配器(CCDM)来产生成形比特。改进型统计幅度成形缩小了成形间隔,并实现了传输速率的匹配。从仿真结果可以看出,在误码率低于10-3的情况下,相同的误码率改进型成形分布的传输速率比均匀分布的传输速率高0.07 bit/s/Hz,只低于香农限0.24 bit/s/Hz,即证明改进型统计幅度成形比均匀分布能以更高的传输速率可靠的传输数据。